Nvidia rende open source la piattaforma Run:ai per l'orchestrazione delle GPU sotto licenza Apache 2.0

Nvidia ha reso disponibile come open source l'intera piattaforma di orchestrazione delle GPU Run:ai, secondo i dettagli pubblicati il 19 ottobre 2026. Il software è distribuito con licenza Apache 2.0, che consente l'uso commerciale e la modifica del codice. Run:ai funziona come uno strato che decide come i carichi di lavoro di intelligenza artificiale in esecuzione sui cluster Kubernetes vengono assegnati ai processori grafici.

Cosa include il rilascio

Il rilascio comprende diversi componenti fondamentali. Tra questi spicca KAI Scheduler, che stabilisce come e in quale ordine i job vengono collocati sulle GPU. Include inoltre la frammentazione delle GPU basata su CUDA 13.4, una tecnica che permette di suddividere un singolo processore grafico tra più carichi di lavoro.

Nel pacchetto è incluso anche il controllo delle quote, che consente agli amministratori di limitare il consumo di GPU tra team e progetti. Per gli sviluppatori, Nvidia mette a disposizione un ambiente locale basato su Kind, uno strumento che esegue cluster Kubernetes all'interno di container Docker su una singola macchina.

Perché è importante

Nvidia ha acquisito la società israeliana Run:ai nel 2024, annunciando già allora l'intenzione di rendere open source il software. Con questa mossa, un prodotto commerciale diventa codice che le organizzazioni possono ispezionare, adattare ed eseguire sulla propria infrastruttura senza canoni di licenza.

Le GPU restano tra le risorse più costose e scarse per l'addestramento e l'erogazione di modelli di grandi dimensioni. Pianificazione, frammentazione e controlli sulle quote aiutano le aziende a ottenere più lavoro dall'hardware che già possiedono. Un'opzione con licenza permissiva potrebbe interessare i fornitori cloud e le imprese che gestiscono data center propri e vogliono un controllo più fine sugli acceleratori condivisi.

Al momento della stesura non erano disponibili dettagli sulla roadmap del progetto, sulla governance della comunità o sull'eventuale supporto per hardware non Nvidia. La diffusione della piattaforma dipenderà dal fatto che sviluppatori esterni a Nvidia inizino a contribuire e a costruire su di essa.